Actividad 5. Regresión Lineal Multiple

Santiago Landeros Bautista U162058M0083
Universidad del SABES, Centro San Jose Iturbide

MATERIA: INGENIERÍA ESTADÍSTICA, Actividad 4. Regresión lineal, intervalos de
confianza y predicción
Fecha: 18 de junio de 2019
Problema 1:
En una empresa dedicada a anodizar artículos de aluminio (baterías de cocina), el anodizado se logra con
una solución hecha a base de ácidos (sulfúrico, cítrico, bórico) y dicromato de aluminio. En este proceso
se controla el pH de la solución, la temperatura, la corriente y el tiempo de permanencia. Debido al poco
grosor del anodizado, han aumentado las quejas por la escasa resistencia y durabilidad del producto. Para
resolver este problema se decide estudiar, mediante un experimento, la relación del pH y la temperatura
con el grosor del anodizado. Los datos se muestran en la siguiente tabla:
a) ¿Cuáles son las variables independientes y cuál la dependiente?
Variable dependiente: Espesor

Variable independiente: PH, Temperatura.
b) Ajuste un modelo del tipo Y = b0 + b1 X1 + b2 X2 + e y anote la ecuación del modelo ajustado.
𝑦 = 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + 𝛽12 𝑥1 𝑥2 + 𝜀
La ecuación es:
ESPESOR = -3,875 + 11,25*X1 + 0.4375*X2+0.46875*X1*X2
DONDE:
𝑥1 : 𝑃𝐻
𝑥2 : 𝑇𝐸𝑀𝑃𝐸𝑅𝐴𝑇𝑈𝑅𝐴
a) ESPESOR = -3.875 + 11,25*2 + 0.4375*10+0.46875*2*10
ESPESOR=32.375
b) A partir del modelo ajustado, ¿cuál es el espesor estimado cuando se utiliza un pH = 2 y una
temperatura de 10 grados?
El espesor esperado para un pH =2 y temperatura =10 es 32.375mm
Página 1
d) ¿El modelo es adecuado? Argumente con base en gráficas de residuos, pruebas de hipótesis y
coeficientes de determinación.
a) Si es adecuado el modelo porque tenemos el valor de R – cuadrado =96.743 por lo tanto el

modelo es muy confiable debido a que es mayor a 70%.
e) ¿Cree que valdría la pena pensar en añadir otro término al modelo para mejorar el ajuste? Argumente.
a) Para este caso ya no hay otro modelo que sea mejor porque solo tenemos dos variables
dependientes y con ello se puede ajustar al modelo cuadrático, si tomaríamos el siguiente
modelo que es la cubica especial necesitamos 3 variables dependientes para ajustar al modelo.
Problema 2:
Considere los datos que aparecen en la siguiente tabla:
a) Ajuste el siguiente modelo Y=β0+β1X1+β2X2+ε, es decir encuentre los estimadores de

mínimos cuadrados para estos coeficientes de regresión.
Y = 0.33732 + 0.481076*X1 + 0.288653*X2

𝑅 2 = 94.4983%
2 ሺ𝑎𝑗𝑢𝑠𝑡𝑎𝑑𝑜ሻ
𝑅 = 93.2758%
𝑆 = 0.859742
Error absoluto medio = 0.638918
Con un P-Valor de la constante es 0.5668 es, x10.0000
Página 2
b) A partir del modelo ajustado, estime la respuesta media cuando X1=8 Y X2=7; ¿este
valor es diferente al observado en las mismas condiciones? de ser así, ¿por qué
ocurre esto?
Y = 0.33732 + 0.481076*X1 + 0.288653*X2
Y = 0.33732 + 0.481076*8 + 0.288653*7
Y = 6.20675
c) Haga la estimación por intervalo para respuesta media en el punto anterior.
𝑆
𝑋ത ± 𝑡𝛼 ሺ ሻ
2 ξ𝑛
0,859742
6,20675 ± 2,2009852 ൬ ൰
ξ12
6,20675 ± 0,54625
d) Construya un intervalo de predicción para una observación x1=8 y x2=7
Y inferior = 0,94642 + 0,347711*8 + 0,0939311*7

Y inferior = 4,3856
Y superior = 1,62078 + 0,614441*8 + 0,483374*7
Y superior = 9,91924
Y inferior <Y < Y superior
4,3856 < 6.20675 < 9,91924
e) Explique las diferencias entre los intervalos anteriores.
La diferencia de los intervalos es que: 6,20675 ± 0,54625 este intervalo es de respuesta media, y el otro
intervalo 4,3856 < 6.20675 < 9,91924 es de predicción.
f) ¿Las estimaciones anteriores son adecuadas? Argumente con base en la calidad de

ajuste del modelo
𝑅 2 = 94.4983%
𝑅 = 93.2758%
𝑆 = 0.859742
Si son adecuados porque el R2 (ajustado) es indicador de calidad y es mayor a 70%.
Página 3
Problema 3:
Se realizó un experimento para estudiar el sabor del queso panela en función de la cantidad del cuajo y la
sal. La variable de respuesta observada es el sabor promedio reportado por un grupo de cinco panelistas
que probaron todos los quesos y los calificaron con una escala hedónica. Los datos obtenidos se muestran
a continuación:
a) Ajuste el modelo 𝒀 = 𝜷𝟎 + 𝜷𝟏 𝑿𝟏 + 𝜷𝟐 𝑿𝟐 + 𝜺
Y = 0.33732 + 0.481076*X1 + 0.288653*X2
𝑅 2 = 94.4983%
𝑅 = 93.2758%
𝑆 = 0.859742
Con un P-Valor de la constante es 0.5668es, x1 0.0000
g) A partir del modelo ajustado, estime la respuesta media cuando X1=8 Y X2=7; ¿este
valor es diferente al observado en las mismas condiciones? de ser así, ¿por qué
ocurre esto?
Y = 0.33732 + 0.481076*X1 + 0.288653*X2
Y = 0.33732 + 0.481076*8 + 0.288653*7
Y = 6.20675
h) Haga la estimación por intervalo para respuesta media en el punto anterior.
𝑆
𝑋ത ± 𝑡𝛼 ሺ ሻ
2 ξ𝑛
0,859742
6,20675 ± 2,2009852 ൬ ൰
ξ12
6,20675 ± 0,54625
Página 4
i) Construya un intervalo de predicción para una observación x1=8 y x2=7
Y inferior = 0,94642 + 0,347711*8 + 0,0939311*7

Y inferior = 4,3856
Y superior = 1,62078 + 0,614441*8 + 0,483374*7
Y superior = 9,91924
Y inferior <Y < Y superior
4,3856 < 6.20675 < 9,91924
j) Explique las diferencias entre los intervalos anteriores.
La diferencia de los intervalos es que: 6,20675 ± 0,54625 este intervalo es de respuesta media, y el otro
intervalo 4,3856 < 6.20675 < 9,91924 es de predicción.
k) ¿las estimaciones anteriores son adecuadas? Argumente en base a la calidad de ajuste

del modelo
𝑅 2 = 94.4983%
𝑅 2 ሺ𝑎𝑗𝑢𝑠𝑡𝑎𝑑𝑜ሻ = 93.2758%
𝑆 = 0.859742
Si son adecuados porque el R2 (ajustado) es indicador de calidad y es mayor a 70%.
Página 5

Actividad 5. Regresión Lineal Multiple

Загружено:

Сведения о документе

Исходное описание:

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Actividad 5. Regresión Lineal Multiple

Загружено:

Авторское право:

Доступные форматы

Santiago Landeros Bautista U162058M0083

Universidad del SABES, Centro San Jose Iturbide

a) ¿Cuáles son las variables independientes y cuál la dependiente?

Variable dependiente: Espesor

b) Ajuste un modelo del tipo Y = b0 + b1 X1 + b2 X2 + e y anote la ecuación del modelo ajustado.

El espesor esperado para un pH =2 y temperatura =10 es 32.375mm

a) Si es adecuado el modelo porque tenemos el valor de R – cuadrado =96.743 por lo tanto el

a) Ajuste el siguiente modelo Y=β0+β1X1+β2X2+ε, es decir encuentre los estimadores de

Y = 0.33732 + 0.481076X1 + 0.288653X2

c) Haga la estimación por intervalo para respuesta media en el punto anterior.

d) Construya un intervalo de predicción para una observación x1=8 y x2=7

Y inferior = 0,94642 + 0,3477118 + 0,09393117

e) Explique las diferencias entre los intervalos anteriores.

f) ¿Las estimaciones anteriores son adecuadas? Argumente con base en la calidad de

h) Haga la estimación por intervalo para respuesta media en el punto anterior.

i) Construya un intervalo de predicción para una observación x1=8 y x2=7

Y inferior = 0,94642 + 0,3477118 + 0,09393117

j) Explique las diferencias entre los intervalos anteriores.

k) ¿las estimaciones anteriores son adecuadas? Argumente en base a la calidad de ajuste

Вам также может понравиться